基于改进的深度置信网络的电离层F2层临界频率预测

• 作者: 吕晓朦 唐智灵
• 来源期刊: 计算机应用研究
• 关键词: f0F2预测 深度学习 深度置信网络 受限波尔兹曼机
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 系统应用开发
• 页码范围: 825-829
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.03.038

摘要

提出一种基于深度置信网络(deep belief network,DBN)对本区域未来24h的电离层临界频率f0F2预测的方法.对选取的数据集进行筛选,生成用于训练和测试的数据集;改进DBN基本单元的结构,以适应对连续型数据特征的提取与学习,再通过实验确定DBN的基本结构;最后利用训练数据集对改进后的网络进行训练,实现对f0F2值的预测.与实测值相比较,改进的DBN具有极佳的预测准确性;与浅层结构BP网络和SVM网络相比,改进的DBN不单克服了浅层结构所固有的问题,更表现出对于连续型数据预测的优异性能,尤其是当预测对象受到高维复杂因素影响时改进的DBN模型依旧能表现出很好的预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐智灵	桂林电子科技大学无线宽带通信和信息处理重点实验室	31	101	7.0	9.0
2	吕晓朦	桂林电子科技大学电子工程与自动化学院	1	3	1.0	1.0